python爬取笔趣阁小说的代码微小调整修改

原文来自：  https://blog.youkuaiyun.com/u012717715/article/details/92811743

本人说明：其实严格地这不是转载，实际上更应该算是原创！原文代码不能正常运行（我推测准确说应该是：原系统是在MAC中开发的，但在win中有若干问题），所以才有本文，但是实际上就算在windows中还是有问题没有完全解决：就是如果保存数据的文件夹和文件已经存在则会有错误发生，所以大家使用时如果碰到请手工删除他们。本来是想发在原文的评论中，但是评论篇幅有限，只能发40行代码！没办法才单独发的

程序的原理那些请看原文

环境：win10 20h2 19042.804,64位简体中文版，python-3.9.2，VScode x64 1.53.2

一、要pip install lxml和pip install requests

二、完整代码修改后如下

# -*- coding:UTF-8 -*-
from bs4 import BeautifulSoup
import requests, sys, threading , os , shutil
 
"""
类说明:下载《笔趣看》网小说《一念永恒》
Parameters:
    无
Returns:
    无
Modify:
    2017-09-13
"""
class downloader(object):
 
    def __init__(self):
        self.server = 'http://www.biqukan.com/'
        self.target = 'http://www.biqukan.com/1_1094/'
        self.names = []            #存放章节名
        self.urls = []            #存放章节链接
        self.nums = 0            #章节数
 
    """
    函数说明:获取章节列表以及对应的下载链接列表
    Parameters:
        无
    Returns:
        无
    Modify:
        2017-09-13
    """
    def get_download_url(self):
        req = requests.get(url = self.target)
        html = req.text
        div_bf = BeautifulSoup(req.content,'lxml')
        div = div_bf.find_all('div', class_ = 'listmain')
        a_bf = BeautifulSoup(str(div[0]),'lxml')
        a = a_bf.find_all('a')
        self.nums = len(a[13:])  #剔除不必要的章节，并统计章节数
        for each in a[13:]:
            self.names.append(each.string)
            self.urls.append(self.server + each.get('href'))
 
    """
    函数说明:获取对应章节的内容
    Parameters:
        target - 下载连接(string)
    Returns:
        texts - 章节内容(string)
    Modify:
        2017-09-13
    """
    def get_contents(self, target):
        req = requests.get(url = target)
        html = req.text
        bf = BeautifulSoup(req.content, 'lxml')
        texts = bf.find_all('div', class_ = 'showtxt')
        texts = texts[0].text.replace('\xa0'*8,'\n\n')
        return texts
 
    """
    函数说明:将爬取的文章内容写入文件
    Parameters:
        name - 章节名称(string)
        path - 当前路径下,小说保存名称(string)
        text - 章节内容(string)
    Returns:
        无
    Modify:
        2017-09-13
    """
    def writer(self, name, path, text):
        write_flag = True
        with open(path, 'a', encoding='utf-8') as f:
            '''
            f.write(name + '\n')
            f.writelines(text)
            '''
            tmpstr=name+ '\n'+text
            f.write(tmpstr)
            f.write('\n\n')
 
class myThread (threading.Thread):   #继承父类threading.Thread
    def __init__(self, name,temdl,startNum,endNum):
        threading.Thread.__init__(self)
        self.runlist = list()
        self.name = name
        self.temdl = temdl
        self.startNum = startNum
        self.endNum = endNum
    def run(self):                   #把要执行的代码写到run函数里面 线程在创建后会直接运行run函数 
        print ("Starting " + self.name)
        startDownloadTxt(self.temdl,self.startNum,self.endNum)
        print ("Exiting " + self.name)
 
def mkdir(path):
    '''
    判断路径是否存在
    存在     True
    不存在   False
    ''' 
    isExists=os.path.exists(path)
    if not isExists:
        os.makedirs(path) 
        return True
    else:
        return False
    
def subFile(path):
    #特定目录下的文件列表
    docList = os.listdir(path)
    # 显示当前文件夹下所有文件并进行排序
    '''
    key = lambda x:int(x[:-4])
    忽略文件名开始到倒数第四个字符为止
    docList.remove(i)
    删除数组中点开头的系统隐藏文件，因为会影响排序
    '''
    for i in docList:
        if(i[0]=='.'):
            docList.remove(i)
            break
    docList.sort(key = lambda x: int(x[:-4]))
        
    #创建一个以书籍名字命名的文件
    fnamepath = path+'/一念永恒.txt'
    fname = open(fnamepath, "w", encoding='utf-8')
    #打开你之前命名的下载文件
    for i in docList:
        tempath = path+'/'+i
        x = open (tempath,  "r", encoding='utf-8')    #打开列表中的文件,读取文件内容
        fname.write(x.read())  #写入新建的文件中
        x.close()    #关闭列表文件
    fname.close()
    
    #移动最后的完成文件到桌面，在删除download文件夹(windows环境下根据情况自己修改路径)
    shutil.move(fnamepath, 'c:/Users/lps/Desktop')
    shutil.rmtree(path)
    
 
'''
temdl:downloader类
startNum,endNum开始和结束的rang
'''
def startDownloadTxt(temdl,startNum,endNum):
    mkdir('download')
    for i in range(startNum,endNum):
        temPath = './download/'+str(i)+'.txt'
        tem=temdl.get_contents(temdl.urls[i])
        temdl.writer(temdl.names[i], temPath, temdl.get_contents(temdl.urls[i]))
    print(temdl.names[i]+'done')
 
if __name__ == "__main__":
    dl = downloader()
    #获取章节列表以及对应的下载链接列表
    dl.get_download_url()
    print('《一年永恒》开始下载：')
    # 创建二十个线程(太多的话，会卡)
    threads = []
    threadNum = 40
    for p in range(threadNum):
        threadname = '"Thread'+str(p)
        stepNum = dl.nums//threadNum
        if(p==threadNum-1):
            thread = myThread(threadname,dl,p*stepNum,dl.nums)
        else:
            thread = myThread(threadname,dl,p*stepNum,(p+1)*stepNum)
        threads.append(thread)
    
    try:
        # 开启线程
        for t in threads:
            t.start()
        for t in threads:
            t.join()
            
    except:
        print ("Error: unable to start thread")
 
subFile('./download')
print('一念永恒下载完成')